元宇宙的四个关键技术
如今，元宇宙的发展依然处于探索之中，仍没有确切的定义，但我们能够确定一些元宇宙的关键技术，当中包括运算技术、展示技术、传输技术以及建模技术等。运算技术运算主要取决于两个因素，一个是硬件(芯片)，另一个则是算法或是运算的方式。元宇宙运算的方式很大程度上需要依赖云计算。因为展示设备不宜过大，这就决定了展示设备难以独自承担元宇宙需要的运算，这时候云计算就派上了用场。元宇宙的建设需要庞大的算力，这也会间接推动芯片的发展。AMD的CEO苏姿丰表示，我们正处于一个高性能计算大爆发的时期，这推动了更多计算的需求，以支持那些影响着我们生活中方方面面的服务和设备。2021年11月9日，英伟达在GTC全球技术峰会上，向市场发布了一次重大的业务更新公告，即英伟达未来会为元宇宙提供基础技术服务，例如芯片。同样从事图形显卡(GPU)开发的AMD，近期也开始为元宇宙开拓者服务。11月9日，AMD宣布Meta(前称Facebook)成为其业务伙伴，未来Meta将会采购AMD的芯片，来满足Meta从“社交媒体”转型为“元宇宙”公司后对于数据中心以及算力的庞大需求。VR/AR产品的崛起也会带动最核心的元件——芯片的发展。类似于汽车芯片，如今的VR/AR芯片已经出现了脱离手机，走向独立和定制化的趋势。此前因VR/AR产品小众化，鲜少有科技公司专门为其设计芯片。例如2018年Oculus和小米联手推出了VR一体机产品OculusGo(国内叫小米VR一体机)，这款机器使用的是高通2016年推出的移动平台处理器旗舰芯片骁龙821。此外，2014年的OculusRiftDK2的荧幕采用三星GalaxyNote3的屏幕。可见在早期时候，VR/AR硬件主要依赖着手机相关的供应链。但随着市场的扩大，VR/AR产品周边的技术链也会得到蓬勃发展的机会，尤其是芯片。2018年，高通公司发布了XR1芯片，一个针对VR/AR产品所设计的芯片。如今大卖的OculusQuest2采用的是高通XR2芯片(XR1的第二代)。OculusQuest2的大卖也促使高通逐渐在VR/AR技术链发力。传闻高通在XR2成功之后成立了专门的部门以及团队持续设计针对VR/AR设备的芯片。另一方面，像苹果、Meta、MagicLeap等技术巨头有可能继续走自研和定制的方向。据外媒报道，苹果在2020年已经完成VR/AR芯片的设计，并委托台积电进行5nm先进制程生产芯片。从高通到苹果，都已经在芯片这个核心领域倾注心力，未来可以预见的是VR/AR产品的芯片将迎来一个加速发展的时期。虚拟世界的运行离不开强大的运算能力，云计算会因为人们持续建设元宇宙而得到十足的发展。元宇宙的数据量爆发导致算力需求激增，云计算被认为是元宇宙最重要的基础设施之一。依靠普通百姓的计算机设备来运行元宇宙庞大的代码是不现实的，而云计算则是一个很好的解决方案。连接进入元宇宙中，我们需要输入“参数”，即前往哪里，下哪些指令等等，就好比打游戏敲键盘输入指令。人们进入元宇宙中所输入的参数远比敲键盘所产生的的指令要复杂许多，传感设备采集我们的“输入参数”，丢到云端中进行运算再转换成元宇宙能理解的参数，从而让元宇宙里虚拟化的我们能够动起来或是下指令。传达完了指令，接下来是元宇宙的建模部分。元宇宙中的一切物体，建筑等都是虚拟化的。这涉及到了建模的部分。英伟达曾经在其线上GTC大会中穿插了几秒“假的”黄仁勋以及背景。需要30多位工作人员先使用RTX光线追踪技术扫描黄仁勋，拍摄几千张各种角度的黄仁勋以及厨房照片，在英伟达开发的虚拟协作平台Omniverse中建模“厨房”，最后通过AI结合，以假乱真。仅仅只是搭建一个厨房就需要大量的数据来生成以及模拟，更何况是一个世界。想要搭建一个逼真且庞大的元宇宙世界，就需要强大的云技术来支持强大的模拟能力。人类连接进元宇宙需要得到一定的“反馈”，云技术经过一定的运算之后再把“反馈”传回给我们手边的设备，从而给予我们一定的感知反馈。许多科技公司也都积极布局相关设施。例如Unity最新推出了Unity云端分布式算力方案。根据Unity官方的说法，该方案可以节省高达70%以上的运算时间。在提高整体运算效率的同时，也降低了对本地计算资源的损耗，大大节省了成本。Unity云技术解决方案从计算角度来看，元宇宙未来会是是一种“云-边-端”协同的模式。然而目前来看市场上无论是云端还是终端，主流芯片的算力储备远远满足不了元宇宙应用的要求。特别是端侧算力瓶颈巨大，这是因为端侧不仅承担了部分智能感知算法，且更重要的是承担了最核心的虚实融合的真实感图像渲染算法，这类算法算力要求巨大且要求超低功耗，目前主流的端侧计算芯片(显示设备上的芯片)均不满足如此严苛的技术指标。彭博社此前预测元宇宙在2024年将成为一个8000亿美元的市场。当中许多基础设施都会达到3000亿美元的市场。由于运算相关技术是元宇宙最重要的元素之一，因此保守估计将达到1000亿美元的市场。这也就促使了许多公司例如英伟达、AMD、Unity等公司积极布局相关的业务。彭博社对元宇宙市场的预测展示技术将元宇宙展示给人们观看的技术离不开虚拟现实(VR/AR)。作为连接现实世界与元宇宙的重要桥梁，如今该技术已经得到了许多人的关注以及进军，当中不乏知名大科技企业。“Allin”元宇宙的Meta公司早些时候推出了Oculus系列产品。而2020年推出的OculusQuest2被许多知名科技网站评为最值得入手的虚拟现实设备，且其售价仅有299美元。可以说OculusQuest2是如今性价比最高的虚拟现实设备。OculusQuest2的推出也帮助Meta公司占据了75%以上的市场份额(2021年第一季度的出货量)。除了Meta公司之外，微软也有自己的虚拟现实设备，称为HoloLens，如今已经迭代至第二代了。HoloLens第二代产品的售价为3500美元，在性价比方面较Meta公司的OculusQuest2有一定差距。苹果也在积极研究虚拟现实设备，有望在2022年推出产品。擅长软硬结合的苹果未来入局此领域，势必会是一个强大的对手。2021年5月，苹果公司也以1亿美元收购虚拟现实公司NextVR，以增强其在娱乐和体育领域的VR实力。百度公司副总裁马杰在XR国际论坛上表示，未来百度将会支持元宇宙、VR技术的发展。2021年10月19日，中国联通董事长刘烈宏在2021世界VR技术大会上表示，中国联通将推动VR技术的加速发展。据IDC数据显示，全球VR设备出货量正在提速，预计2021-2025年全球VR头显出货量将保持41%的年复合增速，预计2021年的出货量将由2020年的670万台提升到850万台，2025年更是将达到2860万台。元宇宙的定义是为用户提供身临其境的体验，如果没有展示技术，那么元宇宙对于人类来说是一具空壳。某些技术正在等待元宇宙能够提供更加好，进一步的虚拟体验，例如虚拟会议、虚拟购物、虚拟试衣等等。通过让购物者克服网上购物的障碍，在舒适的家里就可以选择最适合他们的商品。然而如今的障碍主要在于设备的高昂价格，例如VR头显，对于大多数人来说并不是最实惠的选择。如今最亲民的设备为Oculus的Quest2设备，然而其售价也需要299美元(约合1892人民币元)。随着展示技术的完善，那么相关设备的价格也会逐步下降，降落至普通老百姓可以负担的范围。目前的展示技术软肋在于无论是显示器件还是图像处理与渲染算法，尚不能完全满足元宇宙应用的技术指标要求。市面上主流的AR/VR显示器件大多存在着重量大，功耗大，解析度差，色偏严重，常伴有眩晕感等问题，要获得一款又轻又好的显示模组，需要材料学与光学的重大突破。展示技术仍然需要一定的时间去沉淀、发展。通讯技术元宇宙的一个重要元素是可以与人们连结。元宇宙是基于VR/AR技术实现互动体验，但VR/AR技术需要消耗大量数据，那么将数据传输至云端计算再反馈至设备就是一个很好的方案。然而如今的技术难点在于实现低延迟的连接，这对通讯技术尤其是5G提出了更高的要求。以往的Oculus头显(例如OculusGo)基本上都是搭配使用一个智能手机来渲染运算它们的世界，这使得它们变得沉重、发热，并且图形效果比PC或游戏机所能提供的要差得多。虽然如今最新的OculusQuest2则是不需要连接手机，自己就能自行运算，但质感仍然粗糙。显然要AR/VR设备完全运算虚拟世界的渲染以及运行是不现实的。我们可以借助云计算，将重要输入参数发往云端，再接收输出参数。而有了更快速的连接方式例如5G，AR/VR设备将能够远程渲染它们的图形，进一步将结果快速地发往我们的AR/VR设备再显示，就像显示器和传感器集合一样。但是，想要实现这一目标，我们需要大约7毫秒以下的可靠延迟和另一种称为移动边缘计算的技术。为此，我们需要独立的5G网络来实现此技术。移动边缘计算(MEC)可在蜂窝网络边缘实现云计算能力和IT服务环境。MEC背后的基本思想是，通过在更靠近蜂窝客户的地方运行应用程序和执行相关处理任务，可以减少网络拥塞并提高应用程序的性能。MEC技术旨在实现在蜂窝基站或其他边缘节点，并为客户提供灵活、快速的新应用和服务部署。5G在过去两年中非常火热，许多人探讨了其应用场景，元宇宙会是5G大展拳脚的重要应用场景。5G、6G等相关的通讯技术会在元宇宙风潮下得到莫大的发展，元宇宙也会因5G、6G等相关的通讯技术快速发展进而提供更加真实的虚拟体验给人们。元宇宙计算通过5G以及更加先进的通讯技术获得的更多带宽值意味着元宇宙虚拟世界渲染可以在边缘设备上完成并传输到用户的VR/AR设备上，这意味着随着通讯技术的持续进步，未来几年VR/AR设备的尺寸可能会进一步缩小，让用户使用起来更加舒适。建模技术要成为一个真正的沉浸式平台，元宇宙就需要三维环境。构建元宇宙离不开建模，无论是场景、周边物品或是虚拟形象。要想实现这一构想，开发者们还有很长一段路要走。毕竟庞大的3D虚拟世界构建，需要海量且高质量的3D内容支撑，以还原真实世界。如今的建模主流方式是3D软件手动建模。目前，市场上有大量的专业3D建模软件供使用，比如3DMax、Maya、Blender等。不同软件的建模方式多样，包括多边形、曲面、参数、逆向等，分别适用于动画、游戏、室内设计等场景的3D模型创作。它的优点是所建模型精度高，可发挥想象任意创作。但建模师的学习成本往往很高，制作难度较大，制作周期长。构建元宇宙如果使用3D软件手动建模则需要投入大量的人力。随着3D建模知识的普及以及技术的快速发展，工业、3D打印以及电商等场景都需要运用专业仪器扫描建模，用于模型重建。这一建模方式的主要仪器类型有激光扫描仪、光场扫描仪等。所谓激光扫描建模，是指通过激光设备反射信号测距，用算法计算出深度数据;光场扫描建模则是通过多相机阵列摄影，或使用专业光场设备扫描建模。使用专业仪器扫描建模最大的优点是可以模拟出与物体表面一致的反射特性，最大程度还原真实物体材质的颜色、纹理和光泽，提高3D物体渲染的逼真度。专业仪器扫描建模的速度比手动建模快很多，操作难度较低，可以实现高精度建模。但它的不足在于越高精的仪器设备，成本越高，而且只能根据现实中的物体进行重建，无法虚拟创作。其对现实物体的大小也有一定限制，在建模后仍需专业3D软件进行编辑处理才能投入使用。目前市场上最积极布局建模领域的就是Unity公司了。Unity原本是个专注开放游戏引擎的公司。后来逐渐发展成开发和运营交互式实时3D内容的平台，不仅面向游戏制作，也应用于电影、设计、制造、建筑等多个行业。2021年11月10日，Unity正式收购视觉特效公司维塔数码。Unity表示本次收购的最终目的是将维塔数码众多先进的视觉特效工具送到全世界数百万创作者和美术师的手中。集成到Unity平台之后，这些工具将为实现新一代实时3D创意内容和塑造元宇宙的未来提供极大帮助。Unity也开发AI帮助人们降低相关建模的门槛。如今市场上对于建模暂时没有一个成本低、门槛低且高效率的建模方法。建设元宇宙必然需要找到一个效率高且低成本的方法，这也将会促进建模技术的发展，无论是相关软件，还是背后的技术以及引擎或是相关人员的培训等。美国NIST《可解释的人工智能的四个原则》（全文翻译）
人类思维的逻辑结构和算法实现码龄7年:思想非常好，我想去实现通过前面的研究你可能会产生一个问题，究竟智能是什么？我来回答，智能就是一个可以输入输出，输入信息在智能内部可以构成具有和输入的真实信息一样的联系机制（包括运动和变化）的系统！
重磅亲测！ChatGPT是否产生了自我意识？无凉凉凉:有点搞笑，ai：1+1等于2，括号：注意，它用的是等于而不是=，它已经会自己选择了。
AI支持的自然语言编程豆包的奋斗:现在chatgpt出现了。你的想法可以付诸实现了。我也想过是否可以有这样的机会，描述了需求就可以转化为程序的自然语言编程，现在看，其实自然语言和编程语言以及怎样编程之间依然有鸿沟，这个鸿沟在于不懂编程是怎么一回事的人对于编程这件事的理解。当然我想未来用不了多久，说话之间完成一个系统可能也并非不现实。
重磅亲测！ChatGPT是否产生了自我意识？技术学习者:无关真假这都是现阶段要用人工智能时需要面对的问题。人类的目的其一是用来处理更复杂的运算，其二是实现生命的延长。人工智能的出现是好事，只需防备的就是网络是否可以远程影响人类大脑，而在人与机真正爆发冲突时被物理毁灭机后，因各种波的存在而被影响人去重启了机。现在的我们更需要人工智能，这样实现人类只需要躺着吃喝玩玩，但同时社会的阶级财富不能过于巨大。唉，人类的欲望啊，进步是我们想要的，人工智能真正的发展，感觉还得十五年左右
重磅亲测！ChatGPT是否产生了自我意识？m0_74162399:这是假的
李开复AI五讲｜人工智能的五个定义：哪个最不可取
编者按：从惊呼“人工智能来了”到察觉“人工智能无处不在”，人类社会才走过寥寥数年。在提出建设国家人工智能高地的上海，许多率先试水的应用在各行各业写下了“AI+”的故事。此时此刻，我们更加要冷静地思考自身与人工智能的关系。我们真的知道什么是人工智能吗？我们真的准备好与人工智能共同发展了吗？我们该如何规划人工智能时代的未来生活？
本月底，2019世界人工智能大会将在黄浦江畔揭开序幕。澎湃新闻特邀李开复、王咏刚将著作《人工智能》精编为系列短文，试析与AI相关的若干关键问题。
请抛开人工智能就是人形机器人的固有偏见，然后，打开你的手机。我们先来看一看，已经变成每个人生活的一部分的智能手机里，到底藏着多少人工智能的神奇魔术。谷歌最资深的计算机科学家与软件架构师、谷歌大脑开发团队的带头人杰夫•迪恩（JeffDean）说：“很多时候（人工智能）都是藏在底下，因此人们并不知道有很多东西已经是机器学习的系统在驱动。”
到底什么是人工智能？为什么我们说智能搜索引擎、智能助理、机器翻译、机器写作、机器视觉、自动驾驶、机器人等技术属于人工智能，而诸如手机操作系统、浏览器、媒体播放器等通常不被归入人工智能的范畴？人工智能究竟有没有一个容易把握和界定的科学定义？
这里，简要列举几种历史上有影响的，或目前仍流行的人工智能的定义。对这些定义的分析、讨论是一件相当有趣的事，这有些类似于古代哲学家们围坐在一起探讨“人何以为人”，或者，类似于科幻迷们对阿西莫夫的“机器人三定律”展开辩论。其实，很多实用主义者反对形而上的讨论，他们会大声说：“啊，管它什么是人工智能呢？只要机器能帮助人解决问题不就行了？”
定义一：Al就是让人觉得不可思议的计算机程序
人工智能就是机器可以完成人们不认为机器能胜任的事——这个定义非常主观，但也非常有趣。一个计算机程序是不是人工智能，完全由这个程序的所作所为是不是能让人目瞪口呆来界定。
这种唯经验论的定义显然缺乏一致性，但这一定义往往反映的是一个时代里大多数的普通人对人工智能的认知方式：每当一个新的人工智能热点出现时，新闻媒体和大众总是用自己的经验来判定人工智能技术的价值高低，而不管这种技术在本质上究竟有没有“智能”。
计算机下棋的历史就非常清楚地揭示了这一定义的反讽之处。
早期，碍于运行速度和存储空间的限制，计算机只能用来解决相对简单的棋类博弈问题，例如西洋跳棋，但这毫不妨碍当时的人们将一台会下棋的计算机称作智能机器，因为那时，普通计算机在大多数人心目中不过是一台能用飞快的速度做算术题的机器罢了。
1962年，IBM的阿瑟•塞缪尔的程序战胜了一位盲人跳棋高手，一时间成了不小的新闻事件，绝大多数媒体和公众都认为类似的西洋跳棋程序是不折不扣的人工智能。
随着PC的普及，每台个人电脑都可以运行一个水平相当高的西洋跳棋程序，会下棋的计算机逐渐褪去了神秘的光环。
当国际象棋、中国象棋逐渐被计算机玩得滚瓜烂熟，公众找到了维护人类智慧尊严的最后阵地——围棋。直到2016年年初，除了一个叫樊麾的职业围棋选手和谷歌DeepMind的一支规模不大的研发团队外，几乎所有地球人都说：“下象棋有什么了不起？真有智能的话，来跟世界冠军下盘围棋试试？”
很不幸，人类的自以为是又一次被快速发展的人工智能算法无情嘲笑了。2016年3月9日，随着AlphaGo在五番棋中以四比一大胜围棋世界冠军李世石，有关人工智能的热情和恐慌情绪同时在全世界蔓延开来，也因此引发了一拨人工智能的宣传热潮。
今天，没有人怀疑AlphaGo的核心算法是人工智能。但想一想曾经的西洋跳棋和国际象棋，当时的人们不是一样对战胜了人类世界冠军的程序敬若神明吗？
定义二：Al就是与人类思考方式相似的计算机程序
这是人工智能发展早期非常流行的一种定义方式。从根本上讲，这是一种类似仿生学的直观思路。
但历史经验证明，仿生学的理路在科技发展中不一定可行。一个最好也最著名的例子就是飞机的发明。在几千年的时间里，人类一直梦想着按照鸟类扑打翅膀的方式飞上天空，但反讽的是，真正带着人类在长空朝翔，并打破了鸟类飞行速度、飞行高度纪录的，是飞行原理与鸟类差别极大的固定翼飞机。
人类思考方式？人究竟是怎样思考的？这本身就是一个复杂的技术和哲学问题。哲学家们试图通过反省与思辨，找到人类思维的逻辑法则，而科学家们则通过心理学和生物学实验，了解人类在思考时的身心变化规律。这两条道路都在人工智能的发展历史上起到过极为重要的作用。
世界上第一个专家系统程序Dendral是一个成功地用人类专家知识和逻辑推理规则解决一个特定领域问题的例子。这是一个由斯坦福大学的研究者用Lisp语言写成的，帮助有机化学家根据物质光谱推断未知有机分子结构的程序。
Dendral项目在20世纪60年代中期取得了令人瞩目的成功，带动了专家系统在人工智能各相关领域的广泛应用，从机器翻译到语音识别，从军事决策到资源勘探。一时间，专家系统似乎就是人工智能的代名词，其热度不亚于今天的深度学习。
但人们很快就发现了局限。一个解决特定的、狭小领域问题的专家系统很难被扩展到宽广一些的知识领域中，更别提扩展到基于世界知识的日常生活里了。
一个著名的例子是1957年苏联发射世界上第一颗人造卫星后，美国政府和军方急于使用机器翻译系统了解苏联的科技动态。但用语法规则和词汇对照表实现的俄语到英语的机器翻译系统笑话百出，曾把“心有余而力不足”（thespiritiswilingbutthefleshisweak）翻译为“伏特加不错而肉都烂掉了”（thevodkaisgoodbutthemeatisroten）。
另一方面，从心理学和生物学出发，科学家们试图弄清楚人的大脑到底是怎么工作的，并希望按照大脑的工作原理构建计算机程序，实现“真正”的人工智能。这条道路上同样布满荆棘。最跌宕起伏的例子，非神经网络莫属。
20世纪90年代开始，随着计算机运算能力的飞速发展，神经网络在人工智能领域重新变成研究热点。但直到2010年前后，支持深度神经网络的计算机集群才开始得到广泛应用，供深度学习系统训练使用的大规模数据集也越来越多。神经网络这一仿生学概念在人工智能的新一轮复兴中，真正扮演了至关重要的核心角色。
定义三：AI就是与人类行为相似的计算机程序
和仿生学派强调对人脑的研究与模仿不同，实用主义者从不觉得人工智能的实现必须遵循什么规则或理论框架。“黑猫白猫，逮住耗子的就是好猫。”在人工智能的语境下，这句话可以被改成：“简单程序，复杂程序，聪明管用的就是好程序。”
实用主义者推崇备至的一个例子是麻省理工学院于1964年到1966年开发的“智能”聊天程序ELIZA。这个程序看上去就像一个有无穷耐心的心理医生，可以和无聊的人或需要谈话治疗的精神病人你一句我一句永不停歇地脚下去。当年，ELIZA的聊天记录让许多人不敢相信自己的的眼睛。
可事实上，ELIZA所做的，不过是在用户输入的句子里，找到一些预先定义好的关键词，然后根据关键词从预定的回答中选择一句，或者简单将用户的输入做了人称替换后，再次输出，就像心理医生重复病人的话那样。ELIZA心里只有词表和映射规则，它才不懂用户说的话是什么意思呢。
这种实用主义的思想在今天仍有很强的现实意义。比如今天的深度学习模型在处理机器翻译、语音识别、主题抽取等自然语言相关的问题时，基本上都是将输入的文句看成由音素、音节、字或词组成的信号序列，然后将这些信号一股脑塞进深度神经网络里进行训练。
深度神经网络内部，每层神经元的输出信号可能相当复杂，复杂到编程者并不一定清楚这些中间信号在自然语言中的真实含义，但没有关系，只要整个模型的最终输出满足要求，这样的深度学习算法就可以工作得很好。
定义四：AI就是会学习的计算机程序
没有哪个完美主义者会喜欢这个定义。这一定义几乎将人工智能与机器学习等同了起来。但这的确是最近这拨人工智能热潮里，人工智能在许多人眼中的真实模样。谁让深度学习一枝独秀，几乎垄断了人工智能领域里所有流行的技术方向呢？
这一定义似乎也符合人类认知的特点一—没有哪个人是不需要学习，从小就懂得所有事情的。因此，今天最典型的人工智能系统通过学习大量数据训练经验模型的方法，其实可以被看成是模拟了人类学习和成长的全过程。
如果说人工智能未来可以突破到强人工智能甚至超人工智能的层次，那从逻辑上说，在所有人工智能技术中，机器学习最有可能扮演核心推动者的角色。
当然，机器目前的主流学习方法和人类的学习还存在很大的差别。举个最简单的例子：目前的计算机视觉系统在看过数百万张或更多自行车的照片后，很容易辨别出什么是自行车，什么不是自行车，这种需要大量训练照片的学习方式看上去还比较笨拙。反观人类，给一个三四岁的小孩子看一辆自行车之后，再见到哪怕外观完全不同的自行车，小孩子也十有八九能做出那是一辆自行车的判断。也就是说，人类的学习过程往往不需要大规模的训练数据。
最近，尽管研究者提出了迁移学习等新的解决方案，但从总体上说，计算机的学习水平还远远达不到人类的境界。
如果人工智能是一种会学习的机器，那未来需要着重提高的，就是让机器在学习时的抽象或归纳能力向人类看齐。
定义五：Al就是根据对环境的感知，做出合理的行动，并获得最大收益的计算机程序
维基百科的人工智能词条采用的是斯图亚特•罗素（StuartRussell）与彼得•诺维格（PeterNorvig）在《人工智能：一种现代的方法》一书中的定义，他们认为：
人工智能是有关“智能主体（Intelligentagent）的研究与设计”的学问，而“智能主体是指一个可以观察周遭环境并做出行动以达致目标的系统”。
基本上，这个定义将前面几个实用主义的定义都涵盖了进去，既强调人工智能可以根据环境感知做出主动反应，又强调人工智能所做出的反应必须达致目标，同时，不再强调人工智能对人类思维方式或人类总结的思维法则的模仿。
以上，我们列举了五种常见的人工智能的定义。其中，第二种定义（与人类思考方式相似）特别不可取。人们对大脑工作机理的认识尚浅，而计算机走的是几乎完全不同的技术道路。
第一种定义（让人觉得不可思议）揭示的是大众看待人工智能的视角直观易懂，但主观性太强，不利于科学讨论。
第三种定义（与人类行为相似）是计算机科学界的主流观点，也是一种从实用主义出发，简洁、明了的定义，但缺乏周密的逻辑。
第四种定义（会学习）反映的是机器学习特别是深度学习流行后，人工智能世界的技术趋势，虽失之狭隘，但最有时代精神。第五种定义（维基百科使用的综合定义）是学术界的教科书式定义，全面均衡，偏重实证。